基于时空特征信息的交通流状态辨别研究

发布时间：2021-10-17 09:23

　　针对高速公路交通堵塞问题,建立了依据车辆行驶的时空特征信息模型。在经过清洗、修复等处理后的高速公路收费数据中挖掘车辆轨迹信息,建立了交通流状态参数的二维矩阵模型,从该模型中可以得到任一车辆在某一空间位置任一时刻的详细信息,并由此推断出当下时刻其他所有车辆的断面分布状况。通过剖析获得的流量-密度散点关联图以及速度-密度散点关联图,最终获得识别交通流状况的相图。最后以广州某高速公路的资料为例,参照标准对比结果,相对误差0.79%。 

【文章来源】：公路工程. 2020,45(03)北大核心

【文章页数】：7 页

【部分图文】：

研究过程

a.流量。首先,以收费站为分界点对各收费站点从0开始进行编号,将该高速公路分为0～1、1～2、……、k～k+1等不同路段,其示意图2所示。当车辆从空间位置0站点驶入,由1点驶离,并在时间上满足条件[t1,t2]的条件时,0～1路段时段的[t1,t2]流量属性值增加一个单位量。同理,当从0处进入,由k+1处离开时,在路段0～k+1的各个空间位置上分别对应的时间范围内流量属性值分别加一个单位量。即起始路段区域0～1上的车流量包含所有从收费站点0进入该高速,出口可以是任何收费站点的车辆;中间路段区域i～i+1上的车流量可以表示为途经路段i-1～i期间的车流量总和Qi-1,i加上从收费站i-1进入的流量,再减去从收费站i-1离开的流量。其表达式见式(1)和式(2):

交通流相图构造程序图

【参考文献】：
期刊论文
[1]基于改进模糊C均值聚类算法的城市道路状态判别方法[J]. 黄艳国,罗云鹏.  科学技术与工程. 2018(09)
[2]基于宏观基本图的快速路网交通状态识别方法[J]. 丁恒,朱良元,蒋程镔,郑小燕.  重庆交通大学学报(自然科学版). 2018(12)
[3]基于Floyd算法对交通流最优路径选择的研究[J]. 陈雅良,温朝晖,周浩然,王甜甜.  佳木斯大学学报(自然科学版). 2016(06)
[4]基于收费数据的高速公路交通状态判别方法[J]. 杨庆芳,马明辉,梁士栋,梅朵.  华南理工大学学报(自然科学版). 2014(12)
[5]基于模糊的城市快速路交通流状态判别[J]. 郝媛,徐天东,孙立军.  公路工程. 2008(02)

硕士论文
[1]基于收费数据的高速公路交通流状态识别研究[D]. 张腾月.华南理工大学 2017
[2]交通系统的非线性分析、控制及系统实现[D]. 董娜.西北工业大学 2015
[3]小波神经网络算法及其在交通流宏观动态特性中的应用[D]. 刘聪聪.重庆大学 2014
[4]基于车检器及收费数据融合的高速公路异常状态识别研究[D]. 韩坤林.重庆大学 2014



本文编号：3441526